R语言常用计量分析包(共4页).doc

精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
R语言常用计量分析包
CRAN任务视义实证似然（generalized empirical likelihood，GEL）：gmm。
线性结构方程模型：sem，包括两阶段最小二乘。
联立方程估计：systemfit。
非参核方法：np。
Beta回归：betareg和gamlss
截位（高斯）回归：truncreg。
非线性混合效应模型：nlme和lme4。
广义可加模型：mgcv、gam、gamlss和VGAM。
杂项：包VGAM、Design和Hmisc包提供了若干（广义）线性模型处理的扩展工具，Zelig是一个针对很多种回归模型的易于使用的统一接口。
基本的时间序列架构（Basic time series infrastructure）
stats包的“ts” 类是R的规则间隔时间序列的标准类（尤其是年度、季度和月度数据）。
“ts”格式的时间序列可以与zoo包中的“zooreg” 强制互换，而不丢失信息。zoo包规则和不规则间隔时间序列的架构（后者通过类“zoo”），其中时间信息可以是任意类。这包括日间序列（典型地，以“Date”时间索引）或日内序列（例如，以“POSIXct”时间索引）。
精选优质文档-----倾情为你奉上
精选优质文档-----倾情为你奉上
专心---专注---专业
专心---专注---专业
精选优质文档-----倾情为你奉上
专心---专注---专业
建立在“POSIXt”时间-日期类上的its、tseries和timeSeries（前fSeries）包也提供不规则间隔时间序列的架构，特别用于金融分析。
时间序列建模（Time series modelling）
stats包里有经典的时间序列建模工具，arima()函数做ARIMA建模和Box-Jenkins-type分析。
stats包还提供StructTS()函数拟合结构时间序列。
可以用nlme包中的gls()函数经由OLS拟合含AR误差项的线性回归模型。
时间序列的滤波和分解可以用stats 包的decompose() 和HoltWinters() 函数。
这些方法的扩展，尤其是预测和模型选择，在forecast 包里。
mFilter 里有各种各样的时序滤波方法。
估计向量自回归（VAR）模型，有若干方法可用：简单模型可用stats 包里ar()拟合，vars 包提供更精巧的模型，dse 中的estVARXls()和贝叶斯方法在MSBVAR 中。dynlm包有一个经由OLS拟合动态回归模型的方便接口，dyn实现了一个用于其它回归函数的不同方法。
可以用dse拟合更高级的动态方程组。
tsDyn 提供各种非线性自回归时序模型。
高斯线性状态空间模型可用dlm 拟合（通过最大似然、卡尔曼滤波/平滑和贝叶斯方法）。
包urca、tseries和CADFtest提供了单位根和协整技术。
时间序列因子分析在ts